arXiv cs.AI· Hao Chen, Yukun Yan, Ziyu Han, Ye He, Chuanzhe Guo, Shangzhan Li, Qi Shi, Qingfu Zhu, Maosong Sun, Wanxiang Che·· 12 小时前AI 评分34
RuHarness：让评分标准与智能体框架协同进化，实现持续自我改进
When the Critic Falls Behind: Co-Evolving Rubrics and Harnesses for Continual Agent Self-Improvement
AI 导读
RuHarness 是一个评分标准与智能体框架协同进化的框架，用于智能体的持续自我改进。它从执行轨迹中持续发现并重新评估行为标准，优先处理最相关的未解决弱点，并据此指导框架的针对性更新，同时保持任务目标不变。在多种智能体任务和基座模型上的实验显示，RuHarness 优于强框架进化基线，在未见过的留出任务上尤其明显。
正文 · AI 翻译
摘要：自主智能体日益依赖围绕大语言模型（LLM）来管理交互、记忆、工具与执行的 harness。尽管近期工作已开始从执行经验中演化这些 harness，但用于引导演化的监督信号往往相对静态，难以追踪多轮之间不断变化的行为弱点，并可能限制对未见任务的泛化能力。为解决这一问题，我们提出 RuHarness，一个用于智能体持续自我改进的评分标准—harness 协同演化框架。RuHarness 从执行轨迹中持续发现并重新评估行为准则，优先处理最相关的未解决弱点，并在保持任务目标固定的同时，用这些弱点指导有针对性的 harness 更新。在多种智能体任务和骨干模型上的大量实验表明，RuHarness 优于强 harness 演化基线，尤其是在未见过的留出任务上。进一步分析表明，自适应评分标准优先级排序能够追踪不断变化的弱点，并在多轮演化中支持更持续的改进和稳定的泛化。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36826 [cs.AI] |
| （或 arXiv:2610.36826v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36826 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hao Chen [查看邮箱]
[v1]
2026年10月27日星期二 08:24:44 UTC（7,265 KB）
来源：arXiv cs.AI · arxiv.org